BD qinghu-douyin-video-distribute
青虎AI Douyin отслеживание и размещение хитов продаж: обнаруживает набирающие популярность видео с товарами из данных видео по ключевым словам Douyin и рейтингов популярных запросов, конвертирует короткие ссылки в официальные ссылки и данные видео, использует 1688 для поиска по изображению для сбора аналогичных товаров, а затем через Xiaofeng ERP выбирает шаблон для массового размещения в магазине Douyin, создавая цепочку «обнаружение хитов продаж — сбор ссылок — сверхбыстрое размещение». Обязательно активировать, когда пользователь хочет отслеживать товары из популярных видео Douyin, обнаруживать набирающие популярность видео, собирать аналогичные товары, массово размещать товары в магазине Douyin, сокращать цикл тестирования новых продуктов. Ключевые слова: 青虎AI, Douyin, популярные видео, отслеживание, размещение, магазин Douyin, Xiaofeng ERP, 1688, сбор, тестирование новых продуктов.
машинный переводПоказать оригиналСкрыть оригинал«青虎AI 抖音爆款视频跟卖与铺货：从抖音关键词视频数据和热搜榜发现正在起量的带货视频，转换短链拿到正式链接与视频数据，用 1688 以图搜款…»
青虎AI 抖音爆款视频跟卖与铺货：从抖音关键词视频数据和热搜榜发现正在起量的带货视频，转换短链拿到正式链接与视频数据，用 1688 以图搜款采集同款货源，再经晓风 ERP 选模板一键铺货到抖店，打通「爆款发现-链接采集-极速上架」链路。当用户要跟卖抖音爆款视频里的商品、发现起量视频、采集同款、批量铺货到抖店、缩短新品测试周期时必须触发。关键词：青虎AI、抖音、爆款视频、跟卖、铺货、上架、抖店、晓风ERP、1688、采集、新品测试。
青虎AI Douyin отслеживание и размещение хитов продаж: обнаруживает набирающие популярность видео с товарами из данных видео по ключевым словам Douyin и…
Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 43/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 100Шаги. Шагов: 35
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1636 токенов
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 217 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 19 заголовков
- +3Пошаговые инструкции: 35 пунктов
- +4Есть примеры (4 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.